基于GRACE的华北平原地下水干旱时空特征分析

张昊　丁洁　朱仟　王国庆

摘要：地下水干旱是一种特殊的水文干旱，其发生会对长期依赖地下水资源的地区产生严重影响。将GRACE（Gravity Recovery and Climate Experiment）反演的陆地水储量变化与GLDAS（Global Land Data Assimilation System）数据结合，估算中国华北平原地下水储量变化;并基于地下水干旱指数DSI（drought severity index）及奇异谱分析SSA（singular spectrum analysis），探究该地区2002年4月至2017年6月地下水干旱时空特征及其变化趋势。结果表明：时间上，2002年4月至2017年6月，华北平原的地下水干旱指数DSI以0.02/月的速率下降，2013年6月华北平原出现地下水干旱;2016年3月至2017年6月，华北平原地下水干旱情况加重。空间上，华北平原呈现中北部地区地下水干旱较南部严重的特点，中部和北部地区在2013年6月之后平均DSI低于轻度干旱阈值（-0.80），其中北部地区2016年6月出现DSI低于严重干旱阈值（-1.60）的情况。

关键词：地下水干旱; GRACE重力卫星; GLDAS; 奇异谱分析; 中国华北平原

中图法分类号： P641

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2021.10.016

0引 言

干旱是世界上最常见的自然灾害之一，具有发生频率高、持续时间长、影响范围广的特点[1]，不仅会给工农业生产带来巨大损失，还会造成水资源短缺、土地退化和生态环境恶化等不利影响[2]。因此，对干旱进行合理有效的评估是十分必要的。干旱在广义上通常被定义为4种，即气象干旱、农业干旱、水文干旱和社会经济干旱[3-4]。此外，Van等[5]在2000年对地下水干旱做出了具体的定义，即明确了地下水干旱为缺乏地下水补给，或在某一地区和某一特定时期内以地下水储量或地下水水头表现的地下水缺乏。2010年，Mishra等[3]指出前人对地下水干旱的研究较少，且在前人的研究中尚未将地下水干旱进行系统的分类，因此提出将地下水干旱作为一种独立的干旱。此后，全球多个地区，例如英国[6]、美国[7]、印度[8]、中国[9-10]等，关于地下水干旱时空演变特征等方面的研究逐渐展开。例如：艾启阳等[9]利用中国黑河流域地下水井观测数据构建地下水干旱指数，分析了该流域内地下水干旱的时空演变规律;Han等[10]利用基于GRACE的地下水干旱指数，分析了中国黄土高原地下水干旱的时空特征及植被覆盖变化对它的影响。地下水干旱作为水文干旱中的特殊类型，不仅会对地下水系统造成影响，甚至会进一步影响社会的生产生活，其发生会导致地下水水位下降、地下水储量减少，进而影响地区供水和农业灌溉[11-12]。对地下水干旱进行评估有助于规划应对干旱的措施。中国拥有世界约20%的人口，但地表水资源仅为全球的5%～7%，因此大量依赖地下水（全国40%以上的农田灌溉以及60%以上的城市生活饮用都依赖于地下水）[13-14]。华北平原作为中国的政治经济及农业生产中心，淡水资源消耗量占全国近30%[15]，但由于本身地表水资源不足，其中50%以上的淡水来自于地下水[16]。2011年，山西省地下水供水量占供水总量的52%，河南省、北京市近60%的淡水资源供应来自地下水，河北省的供水水源中地下水供水量超过了79%[15]。由于多年来地下水过度抽取，华北平原的地下水已经严重枯竭[17-18]，2013～2016年该区地下水位下降速率已达（3.9±0.3） cm/a[18]，发生地下水干旱的可能性增大，将会对华北平原的社会经济造成严重影响。

地下水干旱的评估依赖于地下水的监测，而传统方法一般为建立地下水监测井，但该方法存在监测站点分布不均、数据记录不连续、数据获取受限等局限性。随着遥感技术的快速发展，原有的基于地面监测井的地下水监测方法得以改进，区域尺度的大规模地下水监测得以实现[19]。2002年，美国航空航天局和德国航空航天中心联合发布的GRACE（Gravity Recovery and Climate Experiment）重力卫星，通过精确测量地球重力场的变化反演陆地水储量的变化[20-21]，在反映土壤含水量、雪水当量、生物质量以及冠层含水量变化的同时能够反映地下水储量变化[22-23]。GRACE重力卫星突破了传统地面观测在时空尺度上的局限，为观测地下水储量变化、评估地下水干旱拓展了一条新的途径[24-25]。基于GRACE的地下水干旱指标也陆续被提出，如Thomas等[7]开发了基于GRACE的地下水干旱指数GGDI（GRACE groundwater drought index），用于监测美国加利福尼亚中央山谷的地下水干旱情况，并表明该指数是评估地下水干旱情况的有效工具。Han等[26]参照Zhao等[27]提出的GRACE干旱指数算法，提出了GWSA-DSI干旱指数，有效地评估了珠江流域的地下水干旱情况，该指数较GGDI计算简单，且保留了干旱变化的季节性特征。

本文将2002年4月至2017年6月GRACE RL06 Mascon反演的陆地水储量变化与GLDAS（Global Land Data Assimilation System）陆面模式结合，以估算整个华北平原地下水储量变化。利用基于GRACE的地下水干旱指数DSI，对该地区干旱的时间演变和空间分布特征进行全面分析，并结合奇异谱分析SSA（singular spectrum analysis）探究地下水干旱的趋势变化，以期为該地区的地下水干旱监测和水资源管理提供参考依据。

1研究区域概况

本文研究的华北平原地处中国中东部，位于东经110.23°～122.71°、北纬29.68°～42.67°之间，该地区包括北京市、天津市、河北省、河南省、山西省、山东省、安徽省和江苏省[28-29]，如图1（a）所示，区域总面积约946 077 km2，总人口数约49 183万人，人口密度约520人/km2[15]。华北平原气候类型属于温带季风气候和亚热带季风气候，研究时段内的夏季平均气温为24.45 ℃，冬季平均气温为0.18 ℃，季节变化明显。研究区内多年平均降水量为134.65 mm，其中夏季多年平均降水量可达277.55 mm，而冬季多年平均降水量仅42.67 mm，年内降水分配不均。华北平原总体地势较低，西部和北部因有太行山脉和燕山山脉，海拔可达3 000 m以上，如图1（b）所示，是世界上最大的含水层系统之一，但由于超采现象严重，已形成多个“漏斗区”[30]。

2研究数据与方法

2.1研究数据

2.1.1GRACE Mascon数据

GRACE重力卫星反演陆地水储量变化的方法按反演原理不同主要分为2类：球谐系数（spherical harmonic coefficients）反演法和Mascon（mass concentration）方法[31]。球谐系数反演方法是将研究时间段内所有Level-2 GRACE数据产品提供的时变重力场模型数据的平均值作为稳态重力场模型，通过计算相对稳态重力场模型球谐系数的改变量，并加以滤波处理，反演得到陆地水储量变化[32-33]。Mascon方法是采用Level-1B GRACE数据产品中的星间距离及变率数据、GPS数据、加速度计数据等，基于点质量模型原理构建星间距离变率观测值和地表区域网格质量变化之间的直接函数关系式[34]。与球谐系数反演方法相比，Mascon方法的噪声更低，并且有效处理了质量泄漏问题，减少了误差并保留了更多信号[35]。本研究使用了德克萨斯大学空间研究中心CSR（Center for Space Research at the University of Texas）最新发布的RL06 Mascon数据产品（简称为CSR）提供的陆地水储量变化TWSA（terrestrial water storage anomalies）数据，数据长度为2002年4月至今，空间分辨率为0.25°×0.25°，时间分辨率为月尺度。由于数据集缺失2017年7月至2018年5月数据，因此本研究选取时间长度为2002年4月至2017年6月（http：∥www2.csr.utexas.edu/grace）[36]。对于研究时段内缺失的部分月份数据，采用线性插值法进行插补[25，37]。

2.1.2GLDAS数据

全球陆面数据同化系统GLDAS由美国航空航天局NASA（National Aeronautics and Space Administration）和国家海洋和大气管理局NOAA（National Oceanic and Atmospheric Administration）合作开发。GLDAS利用数据同化技术，将卫星数据和地面观测数据进行融合，生成最接近观测数据的地表状态量和通量[38]。分别基于VIC、CLM、CLSM和Noah四种陆面模型推出了4种数据产品，本研究使用Noah V2.1模型（简称Noah）的输出数据（https：∥disc.gsfc.nasa.gov/），主要为土壤水分、植物冠层水和雪水当量数据。相比GLDAS其他数据产品，该模型的数据具有模式先进、空间分辨率高、驱动场稳定等优点[39]，其空间分辨率为0.25°×0.25°，时间分辨率为月尺度，为保持与CSR数据研究时段一致，选取时间长度为2002年4月至2017年6月。在本研究中将土壤水分、植物冠层水和雪水当量数据之和用于验证基于CSR的陆地水储量变化的精确度 [40-41]，并与GRACE数据结合，反演地下水储量变化。

2.2研究方法

2.2.1地下水储量变化反演

陆地水储量变化TWSA（terrestrial water storage anomalies）主要包括地下水储量变化GWSA（groundwater storage anomalies）、土壤水分变化SMSA（soil moisture anomalies）、表面水变化SWA（surface water anomalies）、雪水当量变化SWEA（snow water equivalent anomalies）和生物质量变化BMA（biomass anomalies）。其中生物质量变化对陆地水储量变化影响极小，可忽略不计[42]，因此地下水储量变化GWSA可由式（1）计算得出：

3结果分析

3.1GRACE数据验证

本研究所用的GLDAS的SMSA，SWA和SWEA数据的可靠性在很多研究中已得到证明，且该数据现已通常被直接用于与GRACE数据结合反演地下水储量研究[10-12，14]。因此，本研究仅对GRACE数据进行了验证。由于缺乏地下水观测数据，在验证GARCE数据的可靠性时，研究学者多采用GLDAS反演的TWSA与GRACE反演的TWSA互相比较验证的方法[25，40]，因此，本文采用GLDAS Noah（Noah）反演的TWSA与GRACE CSR（CSR）反演的TWSA相比较，以验证GARCE数据的可靠性。

本研究分别在时间与空间上对基于CSR的TWSA和基于Noah的TWSA之间的相关性进行了分析。从图2可以看出，研究时段（2002年4月至2017年6月）内基于CSR和Noah的TWSA整体上变化较为一致。图3为CSR和Noah估计的TWSA的线性拟合结果，二者呈显著相关（p<0.01），皮尔逊相关系数r=0.63，均方根误差RMSE=5.23 cm。图2显示出：基于CSR的TWSA变化范围为-14.77～8.52 cm，基于Noah的TWSA变化范围为-7.10～8.83 cm。2002～2011年，基于CSR和基于Noah的TWSA基本一致，但2011年后，二者差异随时间逐渐增大。其原因是CSR估计的TWSA包括土壤水分、雪水、植物冠层水和地下水储量的变化，而Noah模型估计的TWSA不包括地下水储量的变化，当地下水储量变化較大时二者的结果会存在差异。这一现象也表明：在2011年后华北平原地下水储量可能存在下降，并且近年来下降速度加快，此结论与Zhao等[18]、Zheng等[48]研究结论相似，其研究亦表明华北平原部分地区地下水储量呈下降趋势，且2013年后下降速度明显增大。

图4显示出CSR和Noah的TWSA的空间分布都呈现出中部地区下降、北端和南端上升的情况。不同的是，基于CSR和Noah的TWSA全时段平均值在空间上最大增加分别为4.07，2.47 cm/月，最大损失分别为-8.77，-5.13 cm/月。Noah相较CSR对TWSA的估计不足，其原因可能是模型估计中TWSA成分不完整[40]。总体上，GRACE重力卫星数据与GLDAS水文模型在空间上具有较好的一致性，均表现出中部地区TWSA下降，北端和南端TWSA上升的分布规律。时空评估结果表明，基于GRACE的陆地水储量定量估计是可靠的，可作为进一步研究地下水干旱的数据源。

3.2基于DSI的地下水干旱时空特征分析

3.2.1时间特征

利用奇异谱分析SSA去除DSI时间序列中的不规则信号及噪声的影响后，可以提取出该序列的变化趋势。图5显示了2002年4月至2017年6月华北平原地下水干旱的时间变化特征，DSI整体呈现下降趋势，下降速率为0.02/月。在3.1节中提到基于CSR的TWSA，从2011年开始低于基于Noah的TWSA，其原因可能是地下水储量的下降;而图5显示：华北平原的DSI在2011年之后逐渐接近发生地下水干旱的阈值，进一步表明华北平原近年来地下水出现干旱。本研究显示：2013年6月，华北平原DSI出现低于-0.80的现象，即地下水干旱开始出现;此后，DSI呈现不断下降的趋势，尤其是2015年之后，下降趋势加快，华北平原的地下水干旱变得愈加严重。2013年6月前，DSI未出现低于-0.80的情况，DSI在-0.84～1.92之间变化，其变化趋势为0.48/月;2002年9月，DSI为全时段最高（DSI=1.92）。2013年6月后，DSI在-2.53～-0.55之间变化，其变化趋势为-1.35/月。2016年3月，DSI第一次低于-1.30，即出现了中度干旱，且在此之后发生的地下水干旱等级均高于此，即地下水干旱呈現出愈加严重趋势。2016年6月，华北平原DSI第一次低于-1.60（-1.88），出现了重度干旱;2016年8月，DSI第一次低于-2.00（-2.17），出现了极端干旱，之后的DSI仍显示出不断下降的趋势。

3.2.2空间特征

图6为不同时间（段）华北平原地下水干旱指数DSI的空间分布情况。图6（a）显示：2002年9月，华北平原大部分地区的DSI为正值，其中最大值为3.15，即华北平原的大部分区域未发生地下水干旱，DSI为负值的地区主要分布在西南少部分地区（河南西部），其中最小值为-2.57，即有极端干旱发生。图6（b）～（d）显示出2016年3，6月和8月华北平原DSI的低值大多分布在中、北部地区（北京市、天津市、河北省、山西省、山东省、河南省中北部、安徽省北部、江苏省北部），最小值分别为-2.18，-2.45，-3.02，均有极端干旱发生，且干旱情况逐渐加剧。图6（e），（f）分别显示了华北平原2002年4月至2017年6月间发生轻度地下水干旱之前（2002年4月至2013年5月）和之后（2013年6月至2017年6月）的平均DSI空间分布，从中可以看出：出现轻度地下水干旱之前，华北平原的DSI变化范围为（-0.17～0.24）/月;而之后，华北平原除安徽南部和江苏南端的大部分区域的DSI低于干旱阈值-0.80，最小为-2.46/月。这意味着，相较于2013年6月之前，2013年6月之后华北平原的整体地下水干旱情况在空间上变得更加严重，且中北部地区地下水干旱情况较南部严重。

4讨 论

根据以上研究结果，2002年4月至2017年6月华北平原的地下水干旱呈现愈发严重的趋势。Wang等[25]也指出，根据其使用的地下水干旱指数GGDI分析得到的结果表明，2003～2015年华北平原地下水干旱变得更加频繁。事实上，为了缓解华北平原水资源紧张的现状，中国已于2002年提出了南水北调工程，其中主要向华北平原输水的中线与东线工程分别于2014年12月和2013年11月开始运行。调水计划假定城市生活和工业用水需求在2010～2025年间保持不变，且在现阶段主要考虑减少地下水在城市生活和工业中的用水量[49]。然而，随着城市化和工业的发展，城市生活和工业用水需求是不确定的[50]。这使得再分配给农业灌溉的地表水量仍像以前一样不确定[49]。因此，致使农业灌溉对地下水的消耗没有得到明显的减少，如北京仍有超80%的农业用水来自地下水。其次，南水北调的配套工程在2013～2017年间仍处于逐步建成阶段，导致其实际供水量在工程启动初期相较多年平均设计供水量低。例如中线工程2015年和2016年实际供水量分别为23.0亿m3和36.0亿m3，较其计划量95.0亿 m3/a低[51]，东线工程2016年实际供水量为8.9亿m3，也低于其计划量36.0 亿m3/a（中国水利部，http：∥nsbd.mwr.gov.cn/）。华北平原由于长期持续的地下水过度开采，过去50 a浅层含水层的平均地下水位下降了15 m以上，深层含水层的地下水位下降了28 m以上[49]。因此，造成严重的地下水枯竭问题很难在短期内得到很好的缓解。但随着南水北调工程的完善，该工程实际供水量逐年增加，对华北平原地下水补给的促进作用将会在未来逐渐体现[51]。

5结 论

GRACE作为干旱监测的新方法，能够直观、可靠地从水储量变化的角度捕捉水资源的动态变化。本文利用基于GRACE RL06 Mascon的地下水储量变化作为地下水干旱指数的计算基础，并利用该指数和奇异谱分析SSA探究华北平原地下水干旱时空特征。研究结果表明：时间上，华北平原地下水干旱指数DSI在2002年4月至2017年6月间呈现逐年降低的趋势，即地下水干旱在研究时段内逐年严重。值得注意的是，根据本文使用的地下水干旱指数，华北平原2013年开始出现地下水干旱，并在2016年之后，DSI以1.35/月的速率下降，即近年地下水干旱情况变得更加严重。空间上，地下水干旱大多发生在华北平原的中北部，尤其是北京市、天津市、河北省、山西省、山东省中西部、河南省北部、安徽省北部和江苏省北部。本研究利用基于GRACE的地下水干旱指数评估了近年来华北平原地下水干旱情况加剧的时间演变特征，及中北部干旱情况较南部严重的空间特征，有助于更好地理解该地区的地下水资源匮缺情况，为该地区地下水资源管理、减缓和防御自然灾害等提供参考。

参考文献：

[1]VICENTE-SERRANO S M，BEGUERíA S，LóPEZ-MORENO J I.A Multiscalar Drought Index Sensitive to Global Warming：The Standardized Precipitation Evapotranspiration Index [J].Journal of Climate，2010，23（7）：1696-718.

[2]ZHANG Y，YOU Q，CHEN C，et al.Flash droughts in a typical humid and subtropical basin：A case study in the Gan River Basin，China [J].Journal of Hydrology，2017，551：162-176.

[3]MISHRA A K，SINGH V P.A review of drought concepts [J].Journal of Hydrology，2010，391（1）：202-216.

[4]VAN LOON A F.Hydrological drought explained [J].Wiley Interdisciplinary Reviews：Water，2015，2（4）：359-392.

[5]VAN LANEN H，PETERS E.Definition，effects and assessment of groundwater droughts [M].Drought and drought mitigation in Europe.New York：Springer，2000：49-61.

[6]BLOOMFIELD J P，MARCHANT B P，MCKENZIE A A.Changes in groundwater drought associated with anthropogenic warming [J].Hydrology and Earth System Sciences，2019，23（3）：1393-1408.

[7]THOMAS B F，FAMIGLIETTI J S，LANDERER F W，et al.GRACE Groundwater Drought Index：Evaluation of California Central Valley groundwater drought [J].Remote Sensing of Environment，2017，198：384-392.

[8]PATHAK A A，DODAMANI B M.Trend Analysis of Groundwater Levels and Assessment of Regional Groundwater Drought：Ghataprabha River Basin，India [J].Natural Resources Research，2019，28（3）：631-643.

[9]艾啟阳，粟晓玲，张更喜，等.标准化地下水指数法分析黑河中游地下水时空演变规律 [J].农业工程学报，2019，35（10）：69-74.

[10]HAN Z，HUANG S，HUANG Q，et al.Effects of vegetation restoration on groundwater drought in the Loess Plateau，China [J].Journal of Hydrology，2020，591：125566.

[11]GANAPURAM S，NAGARAJAN R，CHANDRA SEKHAR G.Identification of groundwater drought prone zones in Pedda vagu and Ookachetti vagu watersheds，tributaries of the Krishna River，India [J].Geocarto International，2016，31（4）：385-407.

[12]MUSTAFA S M T，ABDOLLAHI K，VERBEIREN B，et al.Identification of the influencing factors on groundwater drought and depletion in north-western Bangladesh [J].Hydrogeology Journal，2017，25（5）：1357-1375.

[13]QIU J.China faces up to groundwater crisis [J].Nature，2010，466（7304）：308.

[14]JIA X，O'CONNOR D，HOU D，et al.Groundwater depletion and contamination：Spatial distribution of groundwater resources sustainability in China [J].Science of The Total Environment，2019，672：551-562.

[15]中华人民共和国水利部.中国水资源公报 [R].北京：水利水电出版社，2011.

[16]FENG W，ZHONG M，LEMOINE J-M，et al.Evaluation of groundwater depletion in North China using the Gravity Recovery and Climate Experiment（GRACE）data and ground-based measurements [J].Water Resources Research，2013，49（4）：2110-2128.

[17]FOSTER S，GARDUNO H，EVANS R，et al.Quaternary aquifer of the North China Plain—assessing and achieving groundwater resource sustainability [J].Hydrogeology Journal，2004，12（1）：81-93.

[18]ZHAO Q，ZHANG B，YAO Y，et al.Geodetic and hydrological measurements reveal the recent acceleration of groundwater depletion in North China Plain [J].Journal of Hydrology，2019，575：1065-1072.

[19]WANG F，WANG Z，YANG H，et al.Capability of Remotely Sensed Drought Indices for Representing the Spatio-Temporal Variations of the Meteorological Droughts in the Yellow River Basin [J].Remote Sensing，2018，10（11）：1834.

[20]TAPLEY B D，BETTADPUR S，RIES J C，et al.GRACE Measurements of Mass Variability in the Earth System [J].Science，2004，305（5683）：503-515.

[21]LONG D，SHEN Y，SUN A，et al.Drought and flood monitoring for a large karst plateau in Southwest China using extended GRACE data [J].Remote Sensing of Environment，2014，155：145-160.

[22]RODELL M，CHAO B F，AU A Y，et al.Global Biomass Variation and Its Geodynamic Effects：1982-98 [J].Earth Interactions，2005，9（2）：1-19.

[23]GAO F，WANG H，LIU C.Long-term assessment of groundwater resources carrying capacity using GRACE data and Budyko model [J].Journal of Hydrology，2020，588：125042.

[24]THOMAS A C，REAGER J T，FAMIGLIETTI J S，et al.A GRACE-based water storage deficit approach for hydrological drought characterization [J].Geophysical Research Letters，2014，41（5）：1537-1545.

[25]WANG F，WANG Z，YANG H，et al.Utilizing GRACE-based groundwater drought index for drought characterization and teleconnection factors analysis in the North China Plain [J].Journal of Hydrology，2020，585：124849.

[26]HAN Z，HUANG S，HUANG Q，et al.Propagation dynamics from meteorological to groundwater drought and their possible influence factors [J].Journal of Hydrology，2019，578：124102.

[27]ZHAO M，A G，VELICOGNA I，et al.Satellite Observations of Regional Drought Severity in the Continental United States Using GRACE-Based Terrestrial Water Storage Changes [J].Journal of Climate，2017，30（16）：6297-6308.

[28]GUO R，LIN Z，MO X，et al.Responses of crop yield and water use efficiency to climate change in the North China Plain [J].Agricultural Water Management，2010，97（8）：1185-9114.

[29]YIN W，HU L，ZHANG M，et al.Statistical Downscaling of GRACE-Derived Groundwater Storage Using ET Data in the North China Plain [J].Journal of Geophysical Research：Atmospheres，2018，123（11）：5973-5987.

[30]井昊，何鑫，曹國亮，等.华北平原地下水压采数值模拟及模型敏感度分析 [C]∥ 2018中国环境科学学会科学技术年会.2018中国环境科学学会科学技术年会论文集（第三卷）.合肥：中国环境科学学会，2018.

[31]SCANLON B R，ZHANG Z，SAVE H，et al.Global evaluation of new GRACE mascon products for hydrologic applications [J].Water Resources Research，2016，52（12）：9412-9429.

[32]TAPLEY B D，BETTADPUR S，WATKINS M，et al.The gravity recovery and climate experiment：Mission overview and early results [J].Geophysical Research Letters，2004，31（9）：L09607.

[33]LUTHCKE S B，ROWLANDS D D，LEMOINE F G，et al.Monthly spherical harmonic gravity field solutions determined from GRACE inter-satellite range-rate data alone [J].Geophysical Research Letters，2006，33（2）：L02402.

[34]ROWLANDS D D，LUTHCKE S B，MCCARTHY J J，et al.Global mass flux solutions from GRACE：A comparison of parameter estimation strategies—Mass concentrations versus Stokes coefficients [J].Journal of Geophysical Research：Solid Earth，2010，115（B1）：.B01403

[35]ANDREWS S B，MOORE P，KING M A.Mass change from GRACE：a simulated comparison of Level-1B analysis techniques [J].Geophysical Journal International，2014，200（1）：503-518.

[36]SAVE H，BETTADPUR S，TAPLEY B D.High‐resolution CSR GRACE RL05 mascons [J].Journal of Geophysical Research：Solid Earth，2016，121（10）：7547-7569.

[37]LIN M，BISWAS A，BENNETT E M.Spatio-temporal dynamics of groundwater storage changes in the Yellow River Basin [J].Journal of Environmental Management，2019，235：84-95.

[38]RODELL M，HOUSER P R，JAMBOR U，et al.The Global Land Data Assimilation System [J].Bulletin of the American Meteorological Society，2004，85（3）：381-394.

[39]馮贵平，宋清涛，蒋兴伟.卫星重力监测全球地下水储量变化及其特征 [J].遥感技术与应用，2019，34（4）：822-828.

[40]CAO Y，NAN Z，CHENG G.GRACE Gravity Satellite Observations of Terrestrial Water Storage Changes for Drought Characterization in the Arid Land of Northwestern China [J].Remote Sensing，2015，7（1）：1021-1047.

[41]YANG P，CHEN Y.An analysis of terrestrial water storage variations from GRACE and GLDAS：The Tianshan Mountains and its adjacent areas，central Asia [J].Quaternary International，2015，358：106-112.

[42]LIESCH T，OHMER M.Comparison of GRACE data and groundwater levels for the assessment of groundwater depletion in Jordan [J].Hydrogeology Journal，2016，24（6）：1547-1563.

[43]GHIL M，ALLEN M R，DETTINGER M D，et al.ADVANCED SPECTRAL METHODS FOR CLIMATIC TIME SERIES [J].Reviews of Geophysics，2002，40（1）：31-41.

[44]HASSANI H.Singular spectrum analysis：methodology and comparison [J].Journal of Data Science，2007，5（2）：239-257.

[45]GOLYANDINA N，NEKRUTKIN V，ZHIGLJAVSKY A A.Analysis of time series structure：SSA and related techniques [M].Los Angeles：CRC press，2001.

[46]卢辰龙.奇异谱分析在大地测量时间序列分析中的应用研究 [D].长沙：中南大学，2014.

[47]SANEI S，LEE T K M，ABOLGHASEMI V.A New Adaptive Line Enhancer Based on Singular Spectrum Analysis [J].IEEE Transactions on Biomedical Engineering，2012，59（2）：428-434.

[48]ZHENG L，PAN Y，GONG H，et al.Comparing Groundwater Storage Changes in Two Main Grain Producing Areas in China：Implications for Sustainable Agricultural Water Resources Management [J].Remote Sensing，2020，12（13）：2151.

[49]YAO Y，ZHENG C，ANDREWS C，et al.Integration of groundwater into China's south-north water transfer strategy [J].Science of The Total Environment，2019，658：550-557.

[50]GAO Y，YU M.Assessment of the economic impact of South-to-North Water Diversion Project on industrial sectors in Beijing [J].Journal of Economic Structures，2018，7（1）：4.

[51]ZHANG C，DUAN Q，YEH P J-F，et al.The Effectiveness of the South-to-North Water Diversion Middle Route Project on Water Delivery and Groundwater Recovery in North China Plain [J].Water Resources Research，2020，56（10）：e2019WR026759.

（編辑：江 文）

Abstract：Groundwater drought is a distinctive type of hydrological drought，which could severely affect the areas dependent chronically on groundwater resources.This study estimatedthe groundwater storage anomalies in North China Plain by combining the terrestrial water storage anomalies retrieved from GRACE（Gravity Recovery and Climate Experiment）and the GLDAS（Global Land Data Assignment System）data.Besides，the spatial-temporal characteristics and trends of groundwater drought in this region from April 2002 to June 2017 were investigated based on the groundwater drought index DSI（drought severity index）and singular spectrum analysis（SSA）.The results showed thatat temporal scale，the DSI decreased at a rate of 0.02/month from April 2002 to June 2017.In June 2013，the groundwater drought occurred in North China Plain.From March 2016 to June 2017，the groundwater drought became more severe in North China Plain.Spatially，the groundwater drought in the central and northern regions was more severe than that in the south part of North China Plain.After June 2013，the mean values of DSI in the central and northern regions were lower than the threshold of moderate drought（-0.80）.In the northern region，DSI was below the threshold of severe drought（-1.60）in June 2016.

Key words：groundwater drought;GRACE;GLDAS;singular spectrum analysis;North China Plain